MOSS解説：RAGに代わる監査可能なエージェント記憶

2026年7月、RAG（検索拡張生成）の限界を正面から問う研究が相次いで現れています。特に注目したいのが、arXivに公開されたMOSS（Memory-Orchestrated Semantic System）です。エンベディング類似度検索に依存する現状を「構造的にブラックボックスで、監査が困難」と位置づけ、エージェント向けの監査可能な記憶アーキテクチャを提案しています。本稿では、関連する最新論文を横断しつつ、Corpus2Skillの「スキルツリー蒸留」との接点を整理します。

なぜ今、RAGの限界が再び議論されるのか

RAGは、外部知識を根拠としてLLMに渡す実用的な標準となりました。一方で、エンタープライズでの運用が広がるにつれ、「なぜこの文書が選ばれたのか説明できない」「複数文書をまたいだ統合が弱い」「長期記憶として扱うには不透明すぎる」といった声も増えています。研究側も、精度を1%上げる工夫だけではなく、検索そのものの構造的制約に切り込むフェーズに入った印象があります。

同時期の論文群からも、その空気が読み取れます。例えば歴史記録の対話検索を扱った研究（arXiv:2607.08459）は、RAGが単一レコードからの抽出には強い一方、複数ドキュメントを横断した統合・合成には限界があると指摘します。また「Power of Noise」を再検証した研究（arXiv:2607.03615）は、無関係ドキュメントの混入がQA性能を上げるという俗説が、実験設定に強く条件づけられている可能性を示しました。いずれも「埋め込み＋近傍検索」を前提にした設計の周辺で、説明責任と統合力が課題になっていることを示唆しています。

企業のナレッジQAでは、誤答そのものに加え、なぜその根拠を採用したかの説明がコンプライアンス上の要件になることがあります。ここに、監査可能性という軸が研究と現場の両面で浮上してきています。

MOSSが突く「埋め込み検索の構造的弱点」

MOSS（arXiv:2607.04391）は、長期記憶がLLMエージェントの構造的な弱点であると切り出し、標準的なRAGへの依存を問題視します。主張の核は次の三つに要約できます。

• 不透明性：類似度スコアは「近い／遠い」を返すだけで、選定理由を人間が検証しにくい
• 監査困難性：なぜそのチャンクが上位に来たかを、ポリシーや業務ルールに紐づけて説明しづらい
• 表現の限界：ベクトル空間上の近傍関係は、業務上の階層・手続き・例外条件を必ずしも捉えきれない

別の見方をすれば、RAGの強みである「高速な類似検索」が、そのまま弱点にもなっているということです。似ている断片を素早く拾うことは得意でも、組織が持つ知識の地図を辿り、辿った経路を残す設計にはなっていない。エージェントがツールを呼び、複数ステップで意思決定する場面が増えるほど、このギャップは大きく見えてきます。

MOSSが「監査可能なエージェント記憶」を掲げた意味は、ここにあると考えます。記憶を「検索ヒットの集合」ではなく、後から検証できる意味的な構造として設計し直す——その方向転換自体が、論文の最大の貢献です。

並行する研究潮流：知識としてのワークフローと不確実性の可視化

MOSSと同週前後に出た研究も、同じ問題意識を別の角度から補強しています。「Workflow as Knowledge」（arXiv:2607.08740）は、ツール呼び出し・検索・分岐・チェックポイント・人間承認を含むLLMワークフローを、単なる実行パイプラインではなく知識アーティファクトとして意味的に永続化するLisp着想のモデルを提案します。ワークフローを保存できれば、再利用・推論・監査が一気に現実味を帯びます。

また、適応的検索のための解釈可能な不確実性尺度を提案する研究（arXiv:2607.07380）は、「いつ・どのように外部知識を取るか」の判断がブラックボックスになりがちだと指摘します。引用検証にフロンティアモデルが必須でない可能性を探る研究（arXiv:2607.08700）も、根拠確認のコストと説明責任を同時に扱う動きとして興味深いです。

これらをまとめると、2026年夏の議論の主題は「もっと賢い埋め込み」だけではなく、知識をどう表現し、どう辿り、どう事後検証するかへ移りつつある、と書けます。

エージェント知識蒸留と記憶レイヤの急拡大

記憶アーキテクチャと並んで熱いのが、エージェント向け知識蒸留です。マルチティーチャーのオンポリシー蒸留を扱う研究（arXiv:2607.07050）は、「いつツールを呼ぶか／いつツール応答を使うか／いつ直接答えるか」を、役割分担した教師から生徒へ効率よく移す枠組みを示します。CAD領域のArtisanCAD（arXiv:2607.05750）のように、専門家知識を長期手続きモデリングへ蒸留する試みも続いています。

OSS側では、mem0に代表される汎用メモリレイヤが、エージェントのセッション横断記憶をインフラ化する方向で急速に普及しています。またPatchOptic（arXiv:2607.05483）は、共有構造状態を扱うエージェントワークフローで、コンテキスト窓の限界をprogressive disclosure（必要な断片だけを段階的に開示し、構造的更新を検証する）で乗り越える設計を提示します。共通する問題意識は明確で、全部を毎回埋め込み検索に任せるのではなく、何をどう圧縮し、どう露出するかを設計することです。

Corpus2Skillとの接点——ナビゲートできる知識表現

ここまでの流れは、本サイトが扱うCorpus2Skill／「Don't Retrieve, Navigate」の問題設定と強く共鳴します。Corpus2Skillは文書コーパスをオフラインで階層スキルツリーへ蒸留し、サーブ時にはLLMエージェントが鳥瞰から細部へドリルダウン（必要ならバックトラック）して文書全文へ到達します。詳細は「論文解説：Don't Retrieve, Navigate」および「スキルツリー構造」を参照ください。

重要なのは、ナビゲーション経路そのものが説明可能な痕跡になる点です。トップレベルからどの枝を選び、どの要約を読み、どこで引き返したか——その軌跡は、類似度のスカラー値より監査に耐えます。さらにリーフで取得するのは文書全文であるため、グラウンディングも構造的に強化されます（ベンチマーク上の位置づけは「ベンチマークと評価」「従来RAGとの比較」）。

もちろん、Corpus2SkillがMOSSの直接実装というわけではありません。コンパイル時のクラスタリングには埋め込みが使われますし、適用が効くコーパス条件もあります。それでも、RAGを「検索品質の改善ゲーム」だけで扱わず、エージェントが歩ける知識表現へ再設計するという軸では、同じ時代の要請に応えています。

実務での示唆は次のとおりです。監査や説明責任が求められるナレッジQAでは、「ヒット上位N件を渡す」設計だけで足りるか再評価する価値があります。探索経路・採用根拠・原文全文の三点が揃う仕組みは、コンプライアンス要件と品質改善の両方に効きやすい。加えて、プロンプトキャッシュとの相性（コスト考察記事）を踏まえれば、ナビゲーション型の経済性もあきらめない選択肢になってきています。

まとめ：次の論点は「検索の精度」から「知識の歩き方」へ

2026年7月の論文・OSS動向を概括すると、RAG批判は退潮ではなく進化しています。MOSSは埋め込み依存の不透明さを突きつけ、Workflow as Knowledgeは実行ログを知識資産化し、適応検索研究は判断そのものの可視化を試み、蒸留とメモリレイヤは行動方針と長期状態の扱いを刷新しています。共通語彙は「監査」「構造」「ナビゲーション」です。

Corpus2Skillが提示する「検索するな、ナビゲートせよ」は、この流れの中でより説得力を増しています。次に見るべきは、単発ベンチでの勝敗以上に、組織知識をどの形で永続化し、エージェントにどの経路で辿らせ、後からどう検証するかという設計論です。本サイトでは今後も、論文と実装の両方からこの転換を追っていきます。